计算机信息管理系统的安全性分析

网络安全在计算机网络及信息化建设中具有重要地位,对网络技术发展产生直接影响.为加强计算机网络安全性,通过分析相关资料,对计算机信息管理系统技术在网络安全中的重要性及应用措施进行了研究,以期可以为相关人员开展工作提供可靠依据.     

基于任务分类的虚拟CPU调度模型

为了桥接语义鸿沟,提升I/O性能,需要对执行不同类型负载的虚拟CPU（vCPU）采取不同的调度策略,故而虚拟CPU调度算法亟需优化。基于KVM虚拟化平台提出一种基于任务分类的虚拟CPU调度模型STC（virtual CPU scheduler based on task classification）,它将虚拟CPU（vCPU）和物理CPU分别分为两个类型,分别为short vCPU和long vCPU,以及short CPU 和long CPU,不同类型的vCPU分配至对应类型的物理CPU上执行。同时,基于机器学习理论,STC构建分类器,通过提取任务行为特征将任务分为两类,I/O密集型的任务分配至short vCPU上,而计算密集型任务则分配至long vCPU上。STC在保证计算性能的基础上,提高了I/O的响应速度。实验结果表明,STC与系统默认的CFS相比,网络延时降低18%,网络吞吐率提高17%~25%,并且保证了整个系统的资源共享公平性。     

基于卷积神经网络的无人机油气管线巡检监察系统

为满足深埋式油气管道巡检监察需求,以及解决常规人工巡检手段效率低、时效性差、安全性低等问题,通过结合无人机飞行平台、卷积神经网络算法及计算机系统集成技术,设计并开发了一套基于卷积神经网络的无人机油气管线巡检监察系统,为油气管线的巡检监察工作提供技术支撑.本文首先介绍了巡检监察系统的总体设计方案、及作业流程进行了介绍;其次对系统组成进行了详细介绍,整个系统由无人机飞行平台、神经网络目标检测系统、无人机巡检监察管理系统以及无人机巡检执法终端四大子系统组成,无人机飞行平台以油动固定翼无人机为飞行载体,搭载高清相机进行数据采集,神经网络目标检测系统对影像数据进行自动检测、识别、搜索沿线工程车辆和管线隐患的目标,无人机巡检监察管理系统实现数据信息的存储管理及分发推送,无人机巡检执法终端接收隐患目标推送信息并进行现场快速执法;最后,对该系统的应用情况及后续的发展方向进行了总结和展望.目前,该系统成功应用于河南、甘肃等省份的油气管线巡检监察作业中,结果表明系统满足油气管线巡检监察的业务需求.     

基于一种不规则三角网的卫星导航选星算法研究

如何合理快速地选取参与导航解算的可见星,是当前北斗/GNSS多系统卫星导航定位亟待解决的关键问题之一。针对此问题,提出一种基于不规则三角网投影的选星算法。该算法的主要思路是,通过一种球内接多面体,投影出Delaunay不规则三角网,快速计算出球内接多面体体积,得出多面体体积与几何精度因子(geometric dilation of precision,GDOP)的关系,作为选星判断的依据。通过试验计算表明:当参与解算的可见星数量小于11颗时,随着多面体体积的增大,GDOP值减小趋势明显;当可见星数量达到11颗后,GDOP值随着多面体体积增大变化趋势不明显,但解算时效明显降低。据此,在众多可见星中,选择空间几何分布较好的11颗星作为解算卫星,导航定位精度较好,且解算时效也得到兼顾。     

锥束CT在涡轮空心叶片残芯检测中的应用

建立带有残芯的涡轮空心叶片X射线投射模型,分析了X射线透射空心叶片的残芯检测原理。使用300kV工业锥束CT系统对某空心叶片进行透射成像,通过三维重建技术得到空心叶片的精准三维数据,可以清晰观测空心叶片残芯的位置及大小,其检测效果优于X射线照相法。结果表明,300kV工业锥束CT系统可以满足对涡轮空心叶片的残芯检测需求。     

一种隐私保护的卷积神经网络预测方案

机器学习在图像目标识别、语音识别和图像处理等领域有广泛的应用.卷积神经网络是机器学习领域中广为流行的架构,训练模型所需计算代价对资源受限的用户来说难以负担,因此越来越多的模型所有者将预测服务托管在云平台上以供用户按需使用.在现有方案中,云端处理数据时可能会泄露用户数据和模型参数,预测准确度不高,且用户与云服务器交互需要大量通信开销.本文提出隐私保护的卷积神经网络预测方案,服务器基于密文模型对用户提供的密文数据进行预测,同时保护用户的隐私数据以及模型参数.而且,用户在上传加密数据之后即可离线等待预测结果,在预测任务执行期间与服务器间无需交互.理论和实验表明,所提方案提高了CNN预测方案的安全性,降低了用户的通信代价,最高可达到93%的预测准确率,与明文数据预测准确率近似相等.     

Openstack云平台自适应认证系统负载均衡策略研究

Openstack作为开源云平台的行业标准,在身份认证方面主要通过Keystone组件来实现。Keystone作为Openstack认证授权的中枢组件,极易成为性能上的瓶颈,负载过高时会导致云平台无法正常工作。针对Openstack认证系统的效率及能耗问题,提出一种自适应Openstack认证系统负载均衡策略。该策略设计自适应管理框架及自适应策略触发阈值,通过改进朴素贝叶斯算法对节点负载状况进行分类;通过信息熵算法确定各特征值指标的权重,从任务的分发和迁移两个方面对资源进行合理的调度,从而实现负载均衡。通过云仿真平台Cloudsim来验证策略的可行性和有效性,实验结果表明该策略在任务量较大时能使得负载分布更加均衡。     

探索网络空间安全防御当中人工智能技术的应用

应用人工智能技术,实现网络空间安全防御,能够提升网络信息安全水平。基于此,本文从人工智能技术在网络空间安全防御中应用的优势展开论述,介绍了神经网络、专家系统、人工免疫这几项常用AI技术在网络空间防御中的应用,并阐述了AI技术在样本训练、组合参数优化算法、系统仿真测试这个网络空间安全防御体系建设环节中的应用,实现了对AI网络空间安全防御的深入分析,供相关读者参考。